Absolute Risk: Methods and

Applications in Clinical Management

and Public Health 1st Edition Ruth M.
Pfeiffer
Visit to download the full and correct content document:
https://textbookfull.com/product/absolute-risk-methods-and-applications-in-clinical-ma
nagement-and-public-health-1st-edition-ruth-m-pfeiffer/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Handbook of Media for Clinical and Public Health

Microbiology 1st Edition Ronald M. Atlas

https://textbookfull.com/product/handbook-of-media-for-clinical-
and-public-health-microbiology-1st-edition-ronald-m-atlas/

Financial Risk Management Applications in Market Credit

Asset and Liability Management and Firmwide Risk 1st
Edition Jimmy Skoglund

https://textbookfull.com/product/financial-risk-management-
applications-in-market-credit-asset-and-liability-management-and-
firmwide-risk-1st-edition-jimmy-skoglund/

Power and Risk in Policymaking: Understanding Public

Health Debates Josephine Adekola

https://textbookfull.com/product/power-and-risk-in-policymaking-
understanding-public-health-debates-josephine-adekola/

Model-Based Geostatistics for Global Public Health:

Methods and Applications Peter J. Diggle

https://textbookfull.com/product/model-based-geostatistics-for-
global-public-health-methods-and-applications-peter-j-diggle/
Research Methods in Public Administration and Public
Management An Introduction 1st Edition Sandra Van Thiel

https://textbookfull.com/product/research-methods-in-public-
administration-and-public-management-an-introduction-1st-edition-
sandra-van-thiel/

Alcohol and Aging Clinical and Public Health

Perspectives 1st Edition Alexis Kuerbis

https://textbookfull.com/product/alcohol-and-aging-clinical-and-
public-health-perspectives-1st-edition-alexis-kuerbis/

AI-First Healthcare: AI Applications in the Business

and Clinical Management of Health 1st Edition Kerrie L.
Holley

https://textbookfull.com/product/ai-first-healthcare-ai-
applications-in-the-business-and-clinical-management-of-
health-1st-edition-kerrie-l-holley/

M health fundamentals and applications 1st Edition

Istepanian

https://textbookfull.com/product/m-health-fundamentals-and-
applications-1st-edition-istepanian/

Chlamydial Infection A Clinical and Public Health

Perspective 1st Edition C.M. Black

https://textbookfull.com/product/chlamydial-infection-a-clinical-
and-public-health-perspective-1st-edition-c-m-black/
Absolute Risk
Methods and Applications
in Clinical Management
and Public Health
 MONOGRAPHS ON STATISTICS AND APPLIED PROBABILITY

General Editors

F. Bunea, V. Isham, N. Keiding, T. Louis, R. L. Smith, and H. Tong

1. Stochastic Population Models in Ecology and Epidemiology M.S. Barlett (1960)

2. Queues D.R. Cox and W.L. Smith (1961)
3. Monte Carlo Methods J.M. Hammersley and D.C. Handscomb (1964)
4. The Statistical Analysis of Series of Events D.R. Cox and P.A.W. Lewis (1966)
5. Population Genetics W.J. Ewens (1969)
6. Probability, Statistics and Time M.S. Barlett (1975)
7. Statistical Inference S.D. Silvey (1975)
8. The Analysis of Contingency Tables B.S. Everitt (1977)
9. Multivariate Analysis in Behavioural Research A.E. Maxwell (1977)
10. Stochastic Abundance Models S. Engen (1978)
11. Some Basic Theory for Statistical Inference E.J.G. Pitman (1979)
12. Point Processes D.R. Cox and V. Isham (1980)
13. Identification of Outliers D.M. Hawkins (1980)
14. Optimal Design S.D. Silvey (1980)
15. Finite Mixture Distributions B.S. Everitt and D.J. Hand (1981)
16. Classification A.D. Gordon (1981)
17. Distribution-Free Statistical Methods, 2nd edition J.S. Maritz (1995)
18. Residuals and Influence in Regression R.D. Cook and S. Weisberg (1982)
19. Applications of Queueing Theory, 2nd edition G.F. Newell (1982)
20. Risk Theory, 3rd edition R.E. Beard, T. Pentikäinen and E. Pesonen (1984)
21. Analysis of Survival Data D.R. Cox and D. Oakes (1984)
22. An Introduction to Latent Variable Models B.S. Everitt (1984)
23. Bandit Problems D.A. Berry and B. Fristedt (1985)
24. Stochastic Modelling and Control M.H.A. Davis and R. Vinter (1985)
25. The Statistical Analysis of Composition Data J. Aitchison (1986)
26. Density Estimation for Statistics and Data Analysis B.W. Silverman (1986)
27. Regression Analysis with Applications G.B. Wetherill (1986)
28. Sequential Methods in Statistics, 3rd edition G.B. Wetherill and K.D. Glazebrook (1986)
29. Tensor Methods in Statistics P. McCullagh (1987)
30. Transformation and Weighting in Regression R.J. Carroll and D. Ruppert (1988)
31. Asymptotic Techniques for Use in Statistics O.E. Bandorff-Nielsen and D.R. Cox (1989)
32. Analysis of Binary Data, 2nd edition D.R. Cox and E.J. Snell (1989)
33. Analysis of Infectious Disease Data N.G. Becker (1989)
34. Design and Analysis of Cross-Over Trials B. Jones and M.G. Kenward (1989)
35. Empirical Bayes Methods, 2nd edition J.S. Maritz and T. Lwin (1989)
36. Symmetric Multivariate and Related Distributions K.T. Fang, S. Kotz and K.W. Ng (1990)
37. Generalized Linear Models, 2nd edition P. McCullagh and J.A. Nelder (1989)
38. Cyclic and Computer Generated Designs, 2nd edition J.A. John and E.R. Williams (1995)
39. Analog Estimation Methods in Econometrics C.F. Manski (1988)
40. Subset Selection in Regression A.J. Miller (1990)
41. Analysis of Repeated Measures M.J. Crowder and D.J. Hand (1990)
42. Statistical Reasoning with Imprecise Probabilities P. Walley (1991)
43. Generalized Additive Models T.J. Hastie and R.J. Tibshirani (1990)
44. Inspection Errors for Attributes in Quality Control N.L. Johnson, S. Kotz and X. Wu (1991)
45. The Analysis of Contingency Tables, 2nd edition B.S. Everitt (1992)
46. The Analysis of Quantal Response Data B.J.T. Morgan (1992)
47. Longitudinal Data with Serial Correlation—A State-Space Approach R.H. Jones (1993)
48. Differential Geometry and Statistics M.K. Murray and J.W. Rice (1993)
49. Markov Models and Optimization M.H.A. Davis (1993)
50. Networks and Chaos—Statistical and Probabilistic Aspects
O.E. Barndorff-Nielsen, J.L. Jensen and W.S. Kendall (1993)
51. Number-Theoretic Methods in Statistics K.-T. Fang and Y. Wang (1994)
52. Inference and Asymptotics O.E. Barndorff-Nielsen and D.R. Cox (1994)
53. Practical Risk Theory for Actuaries C.D. Daykin, T. Pentikäinen and M. Pesonen (1994)
54. Biplots J.C. Gower and D.J. Hand (1996)
55. Predictive Inference—An Introduction S. Geisser (1993)
56. Model-Free Curve Estimation M.E. Tarter and M.D. Lock (1993)
57. An Introduction to the Bootstrap B. Efron and R.J. Tibshirani (1993)
58. Nonparametric Regression and Generalized Linear Models P.J. Green and B.W. Silverman (1994)
59. Multidimensional Scaling T.F. Cox and M.A.A. Cox (1994)
60. Kernel Smoothing M.P. Wand and M.C. Jones (1995)
61. Statistics for Long Memory Processes J. Beran (1995)
62. Nonlinear Models for Repeated Measurement Data M. Davidian and D.M. Giltinan (1995)
63. Measurement Error in Nonlinear Models R.J. Carroll, D. Rupert and L.A. Stefanski (1995)
64. Analyzing and Modeling Rank Data J.J. Marden (1995)
65. Time Series Models—In Econometrics, Finance and Other Fields
D.R. Cox, D.V. Hinkley and O.E. Barndorff-Nielsen (1996)
66. Local Polynomial Modeling and its Applications J. Fan and I. Gijbels (1996)
67. Multivariate Dependencies—Models, Analysis and Interpretation D.R. Cox and N. Wermuth (1996)
68. Statistical Inference—Based on the Likelihood A. Azzalini (1996)
69. Bayes and Empirical Bayes Methods for Data Analysis B.P. Carlin and T.A Louis (1996)
70. Hidden Markov and Other Models for Discrete-Valued Time Series I.L. MacDonald and W. Zucchini (1997)
71. Statistical Evidence—A Likelihood Paradigm R. Royall (1997)
72. Analysis of Incomplete Multivariate Data J.L. Schafer (1997)
73. Multivariate Models and Dependence Concepts H. Joe (1997)
74. Theory of Sample Surveys M.E. Thompson (1997)
75. Retrial Queues G. Falin and J.G.C. Templeton (1997)
76. Theory of Dispersion Models B. Jørgensen (1997)
77. Mixed Poisson Processes J. Grandell (1997)
78. Variance Components Estimation—Mixed Models, Methodologies and Applications P.S.R.S. Rao (1997)
79. Bayesian Methods for Finite Population Sampling G. Meeden and M. Ghosh (1997)
80. Stochastic Geometry—Likelihood and computation
O.E. Barndorff-Nielsen, W.S. Kendall and M.N.M. van Lieshout (1998)
81. Computer-Assisted Analysis of Mixtures and Applications—Meta-Analysis, Disease Mapping and Others
D. Böhning (1999)
82. Classification, 2nd edition A.D. Gordon (1999)
83. Semimartingales and their Statistical Inference B.L.S. Prakasa Rao (1999)
84. Statistical Aspects of BSE and vCJD—Models for Epidemics C.A. Donnelly and N.M. Ferguson (1999)
85. Set-Indexed Martingales G. Ivanoff and E. Merzbach (2000)
86. The Theory of the Design of Experiments D.R. Cox and N. Reid (2000)
87. Complex Stochastic Systems O.E. Barndorff-Nielsen, D.R. Cox and C. Klüppelberg (2001)
88. Multidimensional Scaling, 2nd edition T.F. Cox and M.A.A. Cox (2001)
89. Algebraic Statistics—Computational Commutative Algebra in Statistics
G. Pistone, E. Riccomagno and H.P. Wynn (2001)
90. Analysis of Time Series Structure—SSA and Related Techniques
N. Golyandina, V. Nekrutkin and A.A. Zhigljavsky (2001)
91. Subjective Probability Models for Lifetimes Fabio Spizzichino (2001)
92. Empirical Likelihood Art B. Owen (2001)
93. Statistics in the 21st Century Adrian E. Raftery, Martin A. Tanner, and Martin T. Wells (2001)
94. Accelerated Life Models: Modeling and Statistical Analysis
Vilijandas Bagdonavicius and Mikhail Nikulin (2001)
95. Subset Selection in Regression, Second Edition Alan Miller (2002)
96. Topics in Modelling of Clustered Data Marc Aerts, Helena Geys, Geert Molenberghs, and Louise M. Ryan (2002)
97. Components of Variance D.R. Cox and P.J. Solomon (2002)
98. Design and Analysis of Cross-Over Trials, 2nd Edition Byron Jones and Michael G. Kenward (2003)
99. Extreme Values in Finance, Telecommunications, and the Environment
Bärbel Finkenstädt and Holger Rootzén (2003)
100. Statistical Inference and Simulation for Spatial Point Processes
Jesper Møller and Rasmus Plenge Waagepetersen (2004)
101. Hierarchical Modeling and Analysis for Spatial Data
Sudipto Banerjee, Bradley P. Carlin, and Alan E. Gelfand (2004)
102. Diagnostic Checks in Time Series Wai Keung Li (2004)
103. Stereology for Statisticians Adrian Baddeley and Eva B. Vedel Jensen (2004)
104. Gaussian Markov Random Fields: Theory and Applications Håvard Rue and Leonhard Held (2005)
105. Measurement Error in Nonlinear Models: A Modern Perspective, Second Edition
Raymond J. Carroll, David Ruppert, Leonard A. Stefanski, and Ciprian M. Crainiceanu (2006)
106. Generalized Linear Models with Random Effects: Unified Analysis via H-likelihood
Youngjo Lee, John A. Nelder, and Yudi Pawitan (2006)
107. Statistical Methods for Spatio-Temporal Systems
Bärbel Finkenstädt, Leonhard Held, and Valerie Isham (2007)
108. Nonlinear Time Series: Semiparametric and Nonparametric Methods Jiti Gao (2007)
109. Missing Data in Longitudinal Studies: Strategies for Bayesian Modeling and Sensitivity Analysis
Michael J. Daniels and Joseph W. Hogan (2008)
110. Hidden Markov Models for Time Series: An Introduction Using R
Walter Zucchini and Iain L. MacDonald (2009)
111. ROC Curves for Continuous Data Wojtek J. Krzanowski and David J. Hand (2009)
112. Antedependence Models for Longitudinal Data Dale L. Zimmerman and Vicente A. Núñez-Antón (2009)
113. Mixed Effects Models for Complex Data Lang Wu (2010)
114. Intoduction to Time Series Modeling Genshiro Kitagawa (2010)
115. Expansions and Asymptotics for Statistics Christopher G. Small (2010)
116. Statistical Inference: An Integrated Bayesian/Likelihood Approach Murray Aitkin (2010)
117. Circular and Linear Regression: Fitting Circles and Lines by Least Squares Nikolai Chernov (2010)
118. Simultaneous Inference in Regression Wei Liu (2010)
119. Robust Nonparametric Statistical Methods, Second Edition
Thomas P. Hettmansperger and Joseph W. McKean (2011)
120. Statistical Inference: The Minimum Distance Approach
Ayanendranath Basu, Hiroyuki Shioya, and Chanseok Park (2011)
121. Smoothing Splines: Methods and Applications Yuedong Wang (2011)
122. Extreme Value Methods with Applications to Finance Serguei Y. Novak (2012)
123. Dynamic Prediction in Clinical Survival Analysis Hans C. van Houwelingen and Hein Putter (2012)
124. Statistical Methods for Stochastic Differential Equations
Mathieu Kessler, Alexander Lindner, and Michael Sørensen (2012)
125. Maximum Likelihood Estimation for Sample Surveys
R. L. Chambers, D. G. Steel, Suojin Wang, and A. H. Welsh (2012)
126. Mean Field Simulation for Monte Carlo Integration Pierre Del Moral (2013)
127. Analysis of Variance for Functional Data Jin-Ting Zhang (2013)
128. Statistical Analysis of Spatial and Spatio-Temporal Point Patterns, Third Edition Peter J. Diggle (2013)
129. Constrained Principal Component Analysis and Related Techniques Yoshio Takane (2014)
130. Randomised Response-Adaptive Designs in Clinical Trials Anthony C. Atkinson and Atanu Biswas (2014)
131. Theory of Factorial Design: Single- and Multi-Stratum Experiments Ching-Shui Cheng (2014)
132. Quasi-Least Squares Regression Justine Shults and Joseph M. Hilbe (2014)
133. Data Analysis and Approximate Models: Model Choice, Location-Scale, Analysis of Variance, Nonparametric
Regression and Image Analysis Laurie Davies (2014)
134. Dependence Modeling with Copulas Harry Joe (2014)
135. Hierarchical Modeling and Analysis for Spatial Data, Second Edition Sudipto Banerjee, Bradley P. Carlin,
and Alan E. Gelfand (2014)
136. Sequential Analysis: Hypothesis Testing and Changepoint Detection Alexander Tartakovsky, Igor Nikiforov,
and Michèle Basseville (2015)
137. Robust Cluster Analysis and Variable Selection Gunter Ritter (2015)
138. Design and Analysis of Cross-Over Trials, Third Edition Byron Jones and Michael G. Kenward (2015)
139. Introduction to High-Dimensional Statistics Christophe Giraud (2015)
140. Pareto Distributions: Second Edition Barry C. Arnold (2015)
141. Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data Paul Gustafson (2015)
142. Models for Dependent Time Series Granville Tunnicliffe Wilson, Marco Reale, John Haywood (2015)
143. Statistical Learning with Sparsity: The Lasso and Generalizations Trevor Hastie, Robert Tibshirani, and
Martin Wainwright (2015)
144. Measuring Statistical Evidence Using Relative Belief Michael Evans (2015)
145. Stochastic Analysis for Gaussian Random Processes and Fields: With Applications Vidyadhar S. Mandrekar and
Leszek Gawarecki (2015)
146. Semialgebraic Statistics and Latent Tree Models Piotr Zwiernik (2015)
147. Inferential Models: Reasoning with Uncertainty Ryan Martin and Chuanhai Liu (2016)
148. Perfect Simulation Mark L. Huber (2016)
149. State-Space Methods for Time Series Analysis: Theory, Applications and Software
Jose Casals, Alfredo Garcia-Hiernaux, Miguel Jerez, Sonia Sotoca, and A. Alexandre Trindade (2016)
150. Hidden Markov Models for Time Series: An Introduction Using R, Second Edition
Walter Zucchini, Iain L. MacDonald, and Roland Langrock (2016)
151. Joint Modeling of Longitudinal and Time-to-Event Data
Robert M. Elashoff, Gang Li, and Ning Li (2016)
152. Multi-State Survival Models for Interval-Censored Data
Ardo van den Hout (2016)
153. Generalized Linear Models with Random Effects: Unified Analysis via H-likelihood, Second Edition
Youngjo Lee, John A. Nelder, and Yudi Pawitan (2017)
154. Absolute Risk: Methods and Applications in Clinical Management and Public Health
Ruth M. Pfeiffer and Mitchell H. Gail (2017)
Monographs on Statistics and Applied Probability 154

Absolute Risk
Methods and Applications
in Clinical Management
and Public Health

Ruth M. Pfeiffer
National Cancer Institute
Rockville, Maryland, USA

Mitchell H. Gail
National Cancer Institute
Rockville, Maryland, USA
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
This work was done as part of the authors’ official duties as NIH employees and is a work of the United States govern-
ment. Therefore, copyright may not be established in the United States.
No claim to original U.S. Government works
Printed on acid-free paper
International Standard Book Number-13: 978-1-4665-6165-6 (Hardback)
This book contains information obtained from authentic and highly regarded sources. Reasonable efforts have been
made to publish reliable data and information, but the author and publisher cannot assume responsibility for the
validity of all materials or the consequences of their use. The authors and publishers have attempted to trace the copy-
right holders of all material reproduced in this publication and apologize to copyright holders if permission to publish
in this form has not been obtained. If any copyright material has not been acknowledged please write and let us know
so we may rectify in any future reprint.
Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, transmitted, or
utilized in any form by any electronic, mechanical, or other means, now known or hereafter invented, including pho-
tocopying, microfilming, and recording, or in any information storage or retrieval system, without written permission
from the publishers.
For permission to photocopy or use material electronically from this work, please access www.copyright.com (http://
www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA 01923,
978-750-8400. CCC is a not-for-profit organization that provides licenses and registration for a variety of users. For
organizations that have been granted a photocopy license by the CCC, a separate system of payment has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used only for
identification and explanation without intent to infringe.
Visit the Taylor & Francis Web site at
http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com
 Contents

List of Figures xv

List of Tables xvii

Symbols xxi

Preface xxiii

1 Introduction 1
1.1 Examples of risk models for disease incidence 2
1.1.1 Breast cancer incidence 2
1.1.1.1 A brief survey of models 2
1.1.1.2 The National Cancer Institute’s (NCI’s) Breast Cancer Risk
Assessment Tool, BCRAT 4
1.1.2 Other models of cancer incidence 6
1.1.3 Framingham Model for incidence of coronary heart disease 7
1.2 Applications of risk models for disease incidence 7
1.3 Prognosis after disease diagnosis 9
1.4 Contents of book 9

2 Definitions and basic concepts for survival data in a cohort without

covariates 11
2.1 Basic survival concepts 11
2.2 Choice of time scale: age, time since diagnosis, time since accrual or
counseling 12
2.3 Censoring 13
2.3.1 Right censoring 14
2.4 Truncation 15
2.5 Life-table estimator 15
2.5.1 Kaplan–Meier survival estimate 16
2.6 Counting processes and Markov methods 17

3 Competing risks 19
3.1 Concepts and definitions 19
3.2 Pure versus cause-specific hazard functions 22
3.3 Non-parametric estimation of absolute risk 23

4 Regression models for absolute risk estimated from cohort data 27

4.1 Cause-specific hazard regression 27
4.1.1 Estimation of the hazard ratio parameters 29
4.1.2 Non-parametric estimation of the baseline hazard 30
4.1.3 Semi-parametric estimation of absolute risk rm 30
4.1.4 Estimation of a piecewise exponential baseline hazard model 31

ix
x CONTENTS
4.1.5 Alternative hazard models 32
4.2 Cumulative incidence regression 32
4.2.1 Proportional sub-distribution hazards model 33
4.2.2 Other cumulative incidence regression models 35
4.2.3 Relationship between the cause-specific and the proportional
sub-distribution hazards models 36
4.3 Examples 36
4.3.1 Absolute risk of breast cancer incidence 36
4.3.2 Absolute risk of second primary thyroid cancer (SPTC) incidence 40
4.4 Estimating cause-specific hazard functions from sub-samples from cohorts 43
4.4.1 Case-cohort design 45
4.4.2 Nested case-control design 47
4.5 Estimating cause specific hazard functions from cohorts with complex survey
designs 49
4.5.1 Example of survey design 49
4.5.2 Data 50
4.5.3 Estimation of hazard ratio parameters and the baseline hazard
function 50
4.5.4 Example: absolute risk of cause-specific deaths from the NHANES I
and II 51
4.6 Variance estimation 55
4.6.1 Approaches to variance estimation 56
4.6.2 Influence function based variance of the absolute risk estimate from
cohort data 57

5 Estimating absolute risk by combining case-control or cohort data with

disease registry data 63
5.1 Relationship between attributable risk, composite age-specific incidence, and
baseline hazard 63
5.2 Estimating relative risk and attributable risk from case-control data 64
5.3 Estimating relative risk and attributable risk from cohort data 65
5.4 Estimating the cause-specific hazard of the competing causes of mortality,
λ2 (t; z2 ) 66
5.5 Some strengths and limitations of using registry data 67
5.6 Absolute risk estimate 67
5.7 Example: estimating absolute risk of breast cancer incidence by combining
cohort data with registry data 68
5.8 Variance computations 68
5.8.1 Relative risk parameters and attributable risk estimated from a
case-control study 70
5.8.2 Relative risk parameters and attributable risk estimated from a
cohort study 72
5.8.3 Variance computation when an external reference survey is used to
obtain the risk factor distribution 72
5.8.4 Resampling methods to estimate variance 73

6 Assessment of risk model performance 75

6.1 Introduction 75
6.2 The risk distribution 76
6.2.1 The predictiveness curve 77
6.3 Calibration 78
6.3.1 Definition of calibration and tests of calibration 78
CONTENTS xi
6.3.2 Reasons for poor calibration and approaches to recalibration 81
6.3.3 Assessing calibration with right censored data 83
6.3.4 Assessing calibration on the training data, that is, internal validation 83
6.4 Accuracy measures 84
6.4.1 Predictive accuracy: the Brier score and the logarithmic score 84
6.4.2 Classification accuracy 85
6.4.2.1 Distribution of risk in cases and non-cases 85
6.4.2.2 Accuracy criteria 86
6.4.3 Discriminatory accuracy 88
6.4.4 Extensions of accuracy measures to functions of time and allowance
for censoring 89
6.5 Criteria for applications of risk models for screening or high-risk interventions 90
6.5.1 Proportion of cases followed and proportion needed to follow 90
6.5.1.1 Estimation of PCF and PNF 92
6.6 Model assessment based on expected costs or expected utility specialized for
a particular application 94
6.6.1 Two health states and two intervention options 95
6.6.2 More complex outcomes and interventions 97
6.6.2.1 Example with four intervention choices 97
6.6.2.2 Multiple outcomes in prevention trials 98
6.6.2.3 Expected cost calculations for outcomes following disease
diagnosis 99

7 Comparing the performance of two models 101

7.1 Use of external validation data for model comparison 101
7.2 Data example 102
7.3 Comparison of model calibration 102
7.4 Model comparisons based on the difference in separate model-specific
estimates of a criterion 104
7.4.1 Comparisons of predictive accuracy using the Brier and logarithmic
scores 105
7.4.2 Classification accuracy criteria based on single risk threshold 105
7.4.3 Comparisons based on the receiver operating characteristic (ROC)
curve 107
7.4.4 Integrated discrimination improvement (IDI) and mean risk
difference 108
7.4.5 Comparing two risk models based on P CF , P N F , iP CF , or iP N F 109
7.4.6 Comparisons based on expected loss or expected benefit 110
7.5 Joint distributions of risk 112
7.6 Risk stratification tables and reclassification indices 112
7.6.1 Net reclassification improvement (NRI) 115
7.6.2 Extensions of NRI 116
7.7 Concluding remarks 117

8 Building and updating relative risk models 119

8.1 Introductory remarks 119
8.2 Selection of covariates 119
8.3 Missing data 122
8.3.1 Types of missing data 123
8.3.2 Approaches to handling missing data 123
8.4 Updating risk models with new risk factors 124
xii CONTENTS
8.4.1 Estimating an updated relative risk model, rr(X, Z), from case-
control data 125
8.4.2 Estimating rr(X, Z) from new data only 125
8.4.3 Incorporating information on rr(X) into rr(X, Z) via likelihood ratio
(LR) updating 126
8.4.3.1 Joint estimation of LRD (Z|X) 127
8.4.3.2 Estimating LRD (Z|X) based on fitting separate models for
cases (D = 1) and non-cases (D = 0) 127
8.4.3.3 LR updating assuming independence of Z and X
(independence Bayes) 128
8.4.3.4 LR updating with multiple markers 128
8.4.4 Joint estimation, logistic model with offset 128
8.4.5 Independence Bayes with shrinkage 129
8.4.6 Updating using constrained maximum likelihood estimation (CML) 129
8.4.7 Simulations 130
8.4.8 Summary 132

9 Risk estimates based on genetic variants and family studies 135

9.1 Introduction 135
9.2 Mendelian models: the autosomal dominant model for pure breast cancer
risk 136
9.3 Models that allow for residual familial aggregation to estimate pure breast
cancer risk 138
9.3.1 Polygenic risk 138
9.3.2 Models with latent genetic effects: BOADICEA and IBIS 138
9.3.3 Copula models 140
9.4 Estimating genotype-specific absolute risk from family-based designs 140
9.4.1 General considerations 140
9.4.2 Combining relative-risks from family-based case-control studies with
population-based incidence rates 141
9.4.3 Kin-cohort design 141
9.4.4 Families with several affected members (multiplex pedigrees) 143
9.5 Comparisons of some models for projecting breast cancer risk 144
9.6 Discussion 148

10 Related topics 151

10.1 Introduction 151
10.2 Prognosis following disease onset 151
10.3 Missing or misclassified information on event type 152
10.4 Time varying covariates 154
10.4.1 Fixed versus time-varying covariates and internal versus external
time-varying covariates 154
10.4.2 Joint modeling of covariates and health outcomes, including
multistate models 155
10.4.3 Landmark analysis 158
10.5 Risk model applications for counseling individuals and for public health
strategies for disease prevention 160
10.5.1 Use of risk models in counseling individuals 160
10.5.1.1 Providing realistic risk estimates and perspective 160
10.5.1.2 More formal risk-benefit analysis for individual counseling 162
10.5.2 Use of risk models in public health prevention 162
10.5.2.1 Designing intervention trials to prevent disease 162
CONTENTS xiii
10.5.2.2 Assessing absolute risk reduction in a population from
interventions on modifiable risk factors 163
10.5.2.3 Implementing a “high risk” intervention strategy for disease
prevention 165
10.5.2.4 Allocating preventive interventions under cost constraints 169

Bibliography 171

Index 193
 List of Figures

2.1 Time scales for survival analysis: time on study scale (left panel) and age
scale (right panel). 13

3.1 Competing risks of death from breast cancer or death from other causes
following breast cancer diagnosis and treatment. Corresponding cause-
specific hazards are λ1 and λ2 , respectively. 20
3.2 Competing risk model with M competing events and with cause-specific
hazard functions λm (t). 21

4.1 Incorporating covariates Z into estimates of absolute risk rm via the cause-
specific hazard functions (transition rates) λk , k = 1, . . . , M or directly, via
cumulative incidence regression. 28

6.1 Histogram of absolute breast cancer risk estimates from the BC2013 model
in the NHS validation cohort. 77
6.2 Predictiveness curve of absolute breast cancer risk estimates from the
BC2013 model in the NHS validation cohort. 78
6.3 Histograms of absolute breast cancer risk estimates from the BC2013 model
in the NHS validation cohort for breast cancer cases (Ĝ) and non-cases (K̂). 86
6.4 ROC curve for absolute breast cancer risk estimates from the BC2013 model
in the NHS validation cohort for various age groups. 88
6.5 PCF curve when the distribution F of risk is a Beta distribution with
parameters α = 1.5, β = 28.5, corresponding to mean µ = 0.05 and
iP CF (0) = 0.71. 92

7.1 Calibration plots for BC2013 and BCRAT for incident breast cancer in the
NHS validation cohort. 104
7.2 Net benefit plots for BCRAT and BC2013 for 50- to 55-year-old women from
the independent NHS validation cohort. 112
7.3 Scatterplot of 5-year absolute risk estimates from BCRAT and BC2013 for
50- to 55-year-old women in the NHS validation cohort data. 113

10.1 Absolute risks of prostate cancer death and non-prostate cancer death. 152
10.2 Multistate model for patients in leukemia remission following bone marrow
transplantation. 156
10.3 Probabilities of leukemia relapse, death without relapse, and relapse-free
survival in patients with platelet recovery but no graft versus host reaction
in the first 13 weeks following bone marrow transplantation. 159

xv
 List of Tables

1.1 Features of several models to project absolute or pure risk of breast cancer
in women without a previous breast cancer diagnosis 3
1.2 Relative risk calculations for the Breast Cancer Risk Assessment Tool
(BCRAT) 5

2.1 Life-table estimate of breast cancer mortality in 1000 60-year-old women

diagnosed with breast cancer 15

3.1 Life-table of breast cancer mortality and other-cause mortality in 1000

women diagnosed with breast cancer at age 60 24

4.1 Numbers of invasive breast cancer cases and non-cases by selected charac-
teristics of non-Hispanic, white women in the NIH-AARP cohort 38
4.2 Multivariable cause-specific relative risk (RR) estimates for invasive breast
cancer and death from causes other than breast cancer among non-Hispanic,
white women in the NIH-AARP cohort 39
4.3 Projections from the cause-specific model of absolute risk of invasive breast
cancer for three 60-year-old women with selected risk profiles 41
4.4 Multivariable sub-distribution relative risk (RRs ) estimates for invasive
breast cancer among non-Hispanic, white women in the NIH-AARP cohort 42
4.5 Summary characteristics of the analytic sample stratified by second primary
thyroid cancer (SPTC) case status 44
4.6 Multivariable cause-specific relative risk (RR) estimates for second primary
thyroid cancer (SPTC) and competing causes among 5-year survivors of a
childhood cancer in the CCSS cohort 45
4.7 Examples of 20-year projections of absolute risk of second primary thyroid
cancer from the cause-specific model for three 15-year-old childhood cancer
survivors with selected risk profiles 45
4.8 Sub-distribution relative risk estimates (RRs ) for SPTC among 5-year
survivors of a childhood cancer in the CCSS cohort 46
4.9 Numbers of deaths (and percentagesa) by selected causes of death and
gender in NHANES I/II 53
4.10 Selected risk factors for gender- and cause-specific weighted Cox regression
analyses in NHANES I/II 54
4.11 Estimated 10-year absolute risk r̂ of cause-specific death (%) by smoking
status for a 65-year-old male with all other risk factors at their reference
levels 55
4.12 Expected number of cause-specific deaths in 10 years for the US male
population sampled by NHANES I/II aged 35–75 under different smoking
intervention scenarios 55

xvii
xviii LIST OF TABLES
5.1 Projections of 5- and 10-year absolute risk of invasive breast cancer for three
60-year-old women with different risk profiles 69

6.1 Comparison of observed (O) and expected (E) incident breast cancers and
the corresponding 95% confidence intervals (CIs) based on predictions from
the BC2013 model in Pfeiffer et al. (2013) in women in the NHS validation
cohort 80
6.2 Comparison of observed (O) and expected (E) incident breast cancers in the
NHS validation cohort by deciles of risk R 82
6.3 Accuracy measures for the absolute breast cancer risk model BC2013 based
on a 5-year absolute risk threshold r∗ = 0.0166 for 50- to 55-year-old women
in the NHS validation cohort 87
6.4 Estimates of P CF and P N F from the NHS validation cohort based on
5-year BC2013 risk projections for 50- to 55-year-old women 94
6.5 Definitions for a decision problem with two health states and two intervention
optionsa 95
6.6 Relative risks (RRs) from tamoxifen treatment for various health outcomes,
and absolute numbers of health outcomes expected in 5 years with and
without tamoxifen in a population of 10,000 white 40-year-old women with
uteri and with a projected breast cancer risk of 2% 98

7.1 Comparison of observed (O) and expected (E) incident breast can-
cers and the corresponding 95% confidence intervals (CIs) based on
5-year predictions from BC2013 (Pfeiffer et al., 2013) and BCRAT
(http://www.cancer.gov/bcrisktool) in women ages 50–55 in the Nurses’
Health Study (NHS) validation cohort 103
7.2 Comparison of observed (O) and expected (E) incident breast cancers in
the NHS validation cohort in deciles of risk computed from the BC2013 and
BCRAT models 104
7.3 Categorization of women in the NHS validation cohort (Pfeiffer et al., 2013),
ages 50 to 55 years at baseline, who experienced the event (“cases”) during
5 years of follow-up and those who did not, based on 5-year absolute breast
cancer risk estimates exceeding 1.66% for the BCRAT and BC2013 models 106
7.4 Accuracy measures for the absolute breast cancer risk estimates from the
BC2013 and BCRAT models based on a 5-year absolute risk threshold
r∗ = 0.0166 for 50- to 55-year-old women in the NHS validation cohort 106
7.5 Estimates of iP CF , P CF , and P N F based on (R, O) data from the NHS
validation cohort, where R is the 5-year risk projection for 50- to 55-year-old
women from BC2013 and BCRAT, and where O is the observed case status 110
7.6 Costs (expected number of life-threatening events per 100,000) cross-
classified by the presence or absence of breast cancer and on whether
tamoxifen is given 111
7.7 Risk stratification based on 5-year absolute breast cancer risk estimates from
the BCRAT and BC2013 (Pfeiffer et al., 2013) models for women in the
NHS validation cohort (Pfeiffer et al., 2013), ages 50- to 55-years at baseline 113

8.1 Summary of updating methods 130

8.2 Distribution of the predictors of sustained virologic response (D = 1) and
estimated predictor effects in the n = 350 ViraHepC participants from whom
predictors were sampled for simulations 131
8.3 Performance of various updating procedures for two markers, IFNL4 and
HCV-RNA 133
LIST OF TABLES xix
9.1 Selected risk factors used in some models for projecting breast cancer risk 145
9.2 Features of selected models for projecting breast cancer risk 146
9.3 Breast cancer risks in percent to ages 45 and 80 for healthy 35-year-old
women who began menstruating at age 11 and had first live births at age 25 147

10.1 Net benefit indices for tamoxifen and raloxifene chemoprevention by level
of 5-year projected risk for invasive breast cancer for white non-Hispanic
women with a uterus* 163
10.2 Potential reductions in the population risk of invasive breast cancer risk
over 20 years from eliminating alcohol consumption, hormone replacement
therapy use and BMI>25 kg/m2 in N = 2447 50-year-old women in the
NHS cohort 165
10.3 Numbers of life-threatening events in one year in 100,000 white women aged
50–59 years with uteri, if none get tamoxifen and if all get tamoxifen 167
10.4 Numbers of life-threatening events expected in one year in 100,000 white
women aged 50–59 years with uteri, with tamoxifen given according to
risk-based criteria* 168
10.5 Proportion of lives saved with risk-based allocation of mammograms,
compared to giving mammograms to all women, if there is only enough
money to give mammograms to half the women 170
 Symbols

Symbol Description
αij (t) Transition rate from state i to j FP False positive probability,
in a multi-state model P (R > r∗ |O = 0), i.e., 1-
AR(t) Attributable risk for age group specificity
t g{rm (t)} Link function for cumulative in-
AU C Area under the ROC curve or cidence regression
the probability that a randomly G Joint genotypes in a family
selected case has a risk greater G(·) Distribution of absolute risk in
than that of a randomly selected cases, P (R ≤ r|O = 1); also
non-case used as distribution of censoring
β Parameters such as log relative times
hazards for cause-specific haz- γ Parameters such as log relative
ard models sub-distrbution hazards for cu-
C Censoring time (with distribu- mulative incidence regression
tion 1-G) hm (t, Z) Hazard of the sub-distribution
CF N Cost of a false negative outcome function for cumulative inci-
CF P Cost of a false positive outcome dence regression for cause m
CT N Cost of a true negative outcome K(·) Distribution of absolute risk in
CT P Cost of a true positive outcome non-cases, P (R ≤ r|O = 0)
D Disease indicator is 1 for case, 0 λ(t) Hazard for a survival distribu-
for non-case in case-control data tion
δ(t) Event indicator at time t. Ab- λm (t) Cause-specific hazard for cause
sent competing risks, δ(t) = m
1 if T ≤ C. With competing λ0m (t) Cause-specific baseline hazard
risks, the process δ(t) indicates for cause m
which of the competing events λ∗m (t) Composite hazard for cause m
occurred at or before t and is 0 in a population with various
if none occurred. combinations of covariates
∆i (·) Influence deviate operator for λpm (t) Pure or net hazard for cause m
individual i Λ(t) Cumulative hazard for a sur-
~ m , t)
E(β Expected covariate value vival distribution
in risk set at at time t, Λm (t) Cumulative cause-specific haz-
Pn ′
i=1 Yi (t) exp(β m Zi )Zi
m m
ard for cause m
Pn ′
i=1 Yi (t) exp(β m Zi ) Λ0m (t) Cumulative cause-specific base-
m

E(β̂ m ) Observed information from the line hazard for cause m

partial likelihood Ni (t) The counting process, I(Xi ≤
F (·) Distribution function either of t, δi = 1), t ≥ 0 for individual i
population absolute risks, or in N (t) The
Pn aggregate counting process,
other contexts, of survival times i=1 Ni (t)
f (t) Density of distribution F (·), in- N B(t) Net benefit function
cluding survival distributions NPV Negative predictive value

xxi
xxii SYMBOLS
N RI Net reclassification improve- S(t) Survival distribution, P (T >
ment t) = 1 − F (t)
Oi Indicator of whether the cause sens(t) Sensitivity at threshold t,
of interest occurred in individ- P (R > t|O = 1)
ual i or not Sg Subgroup of a partition for as-
π Prior probability of of disease sessing calibration of the indi-
P CF (p) Proportion of cases followed, 1− viduals in a population
G ◦ F −1 (1 − p) spec(t) Specificity at threshold t,
∗
iP CF (p ) Weighted integral of P CF (p) P (R ≤ t|O = 0)
from p∗ to 1. T Time to an event
PMC Probability of misclassification TP True positive probability or sen-
P N F (q) Proportion needed to follow, 1− sitivity, P (R > r∗ |O = 1)
F ◦ G−1 (1 − q) ~ (β m )
U Score contribution at time
iP N F (q ∗ ) Weighted integral of P N F (q)
tP from partial likelihood,
from q ∗ to 1. n m ~
PPV Positive predictive value i=1 dNmi (t){zi − E(β m , ti )}
X Time to the earlier of event or
rm (t0 , t1 ) Absolute risk of cause m,
censoring
P (t0 < T ≤ t1 , δ(T ) = m|T ≥
t0 ) X Covariates in model to which
rm (t0 , t1 ; z) Absolute risk of cause m given additional covariates are to be
covariates, P (t0 < T ≤ t1 , δ = added
m|T ≥ t0 , z) Y Joint phenotypes of family
Ri Estimated absolute risk for in- members
dividual i Yi (t) At risk indicator at time t for
r∗ Risk threshold individual i
RCC(t) Relative cost curve; analogous Y (t) Number
Pn at risk at time t,
to relative utility curve i=1 Yi (t)
ROC Receiver operating characteris- t∗ Risk threshold for decision
tic curve, namely plot of TP Z Covariates that affect any of the
against FP as the threshold competing causes
varies Zm Covariates that affect cause m
 Preface

This book provides a theoretical basis and examples to demonstrate the importance of ab-
solute disease risk in counseling patients, in devising public health strategies, and in clinical
management. We wrote this book for epidemiologists, clinicians, and statisticians, with suf-
ficient technical detail to allow others to estimate, test, and use models of absolute risk, and
with a range of examples to inspire broader application of the models. The development
and proper use of absolute risk models requires a collaborative effort to identify a good
application, to gather the required clinical or epidemiologic data, and to build and test
the model on sound statistical principles. This book is broad enough to inform the various
research participants needed for such a collaboration.
Dr. Mitchell Gail’s interest in absolute risk arose during a consultation with Dr. John
J. Mulvihill, who was counseling women at elevated risk of breast cancer and observed that
many women greatly overestimated their risk. Dr. Mulvihill’s desire to obtain realistic esti-
mates grew into a collaboration involving epidemiologists and statisticians at the National
Cancer Institute, National Institutes of Health, that led to the “Gail” model, published in
1989, to project breast cancer risk based on an analysis that took competing risks into ac-
count. The U.S. National Cancer Institute’s Breast Cancer Risk Assessment Tool (BCRAT)
incorporates updates to that model. Dr. Gail and Dr. Ruth Pfeiffer have continued to pursue
research on methods for estimating and evaluating absolute risk models, taking advantage
of many advances made by the statistical community in survival analysis and in under-
standing how epidemiologic data and analyses fit into a general modeling framework. They
have also promoted applications of risk models. For example, the Gail model was useful in
designing and interpreting a clinical trial of tamoxifen to prevent breast cancer. The model
was used to plan the study and decide who should be eligible. After the trial, the model
gave a means to weigh risks and benefits for deciding who might benefit from tamoxifen
chemoprevention. Likewise, risk models can be used to stratify the population into those
who might most benefit from screening or from high risk interventions. Dr. Pfeiffer led the
development of criteria to evaluate the public health impact of such applications.
There are several excellent books on survival methods for modeling pure risk of disease,
with most applications concerning prognosis following a disease diagnosis. Four books have
recently appeared that account for competing risks and elaborate on theoretical aspects
of absolute risk, sometimes called cumulative incidence. Again, most of the applications
concern prognosis. The present book adds to this literature on absolute risk in several re-
spects. In addition to presenting the theoretical background for absolute risk, including a
treatment of competing risks, this book: (1) discusses various sampling designs for esti-
mating absolute risk and for estimating criteria to evaluate models; (2) provides details on
statistical inference, including construction of confidence intervals, for the various sampling
designs; (3) discusses criteria for evaluating risk models and for comparing risk models,
including both general criteria and problem-specific expected losses in well-defined clinical
and public health applications; and (4) describes a wealth of applications, encompassing
both disease prevention and prognosis, and ranging from counseling individual patients, to
clinical decision making, to assessing the impact of risk-based public health strategies.
Much of the material in this book is based on work with others. While it is not pos-
sible to name all who helped shape our ideas, we particularly want to thank the follow-

xxiii
xxiv PREFACE
ing collaborators who have contributed to several aspects of this work including Jacques
Bénichou, David P. Byar, Raymond J. Carroll, Nilanjan Chatterjee, Jinbo Chen, Joseph P.
Costantino, Andrew N. Freedman, Laurence S. Freedman, Barry I. Graubard, Sylvan B.
Green, Stephanie Kovalchik, Ju-Hyun Park, David Pee, Elisabetta Petracci, and Catherine
Schairer. We thank the Intramural Research Program of the Division of Cancer Epidemi-
ology and Genetics, National Cancer Institute, National Institutes of Health, for sustained
support for research on absolute risk and for the writing of this book, and David Check for
help with figures, tables, and bibliography. We also thank John Kimmel at Chapman and
Hall for his advice and help.
We dedicate this book to our parents, Irving and Ada Gail, and Franz and Liselotte
Pfeiffer.
 Chapter 1

Introduction

A 40-year-old woman visits her doctor and is reassured to learn that her mammogram gave
no indication of breast cancer. However, her mother had breast cancer diagnosed at age 60.
The woman asks: “What is the chance that I will have a diagnosis of breast cancer by age
60?” The answer to this question is an estimate of her absolute risk of breast cancer over
a defined age interval. Several features of this question are important. First, her chance of
being diagnosed with breast cancer is reduced by the possibility that she will die of some
cause unrelated to breast cancer before age 60. Thus, competing causes of mortality need to
be taken into account to answer this question. Second, the chance of being diagnosed with
breast cancer depends on the duration of the risk projection interval, in this case the 20
years from age 40 to age 60. The longer the projection interval, the higher is the absolute
risk. Third, the absolute risk depends on the age of the woman when she came to her doctor
for counseling. This is because the incidence rate of breast cancer increases with age, as do
mortality rates from competing causes of death. Finally, risk factors present at the time of
counseling influence the estimate of absolute risk. In this example, the fact that the woman’s
mother had had breast cancer increases the estimate of her absolute risk.
The previous example concerned the absolute risk of developing a disease, breast cancer.
Absolute risk is also a clinically useful parameter after a disease has been diagnosed. For
example, suppose a 70-year-old male is diagnosed with prostate cancer, and the histopathol-
ogy (“Gleason score”) from the biopsy is favorable. The absolute risk that the man will die
from prostate cancer may be quite small even with conservative management (Albertsen
et al., 2005), in part because many such men will die of other causes before the prostate
cancer progresses. Thus, an estimate of absolute risk may be helpful in deciding whether
more aggressive treatments, such as surgery or radiation, are warranted.
The literature on competing risks sometimes uses other words for the concept of abso-
lute risk. “Crude risk” (Gail, 1975; Tsiatis, 2005), “marginal probability” (Pepe and Mori,
1993), and “cumulative incidence” (Gray, 1988) are three such terms, although “cumula-
tive incidence” is also sometimes used to denote the cumulative “pure” (Gail, 1975) risk or
the integrated cause-specific hazard (Andersen et al., 1993). Absolute risk should not be
confused with “pure” risk, which is the hypothetical probability of the event (e.g., breast
cancer) if other competing causes of mortality could be eliminated. In contrast to absolute
risk, pure risk is not estimable without strong assumptions (Gail, 1975; Tsiatis, 1975; Pren-
tice et al., 1978). Pure risk is also less relevant for many clinical decisions, because in fact
the patient will be subject to mortality from competing risks. Absolute risk is also different
from relative risk, which is the ratio of risk for a person with one set of characteristics to
the risk for a reference person, who is often chosen to have all risk factors set to their lowest
(baseline) levels.
Although relative risks are useful for assessing the strength of risk factors, they are
not nearly as useful as absolute risks for making clinical decisions or establishing policies
for disease prevention. Such decisions or policies often weigh the favorable effects of an
intervention on the health outcomes of interest against the unfavorable effects that the

1
2 INTRODUCTION
intervention might have on other health outcomes. The common currency for such decisions
is the (possibly weighted) absolute risk for each of the health outcomes in the presence and
absence of intervention.
The following sections of this introduction give examples of widely used risk models and
some of their special features, discuss applications of absolute risk models in disease pre-
vention and prognostication following disease onset, and outline the contents and structure
of the book.

1.1 Examples of risk models for disease incidence

1.1.1 Breast cancer incidence
1.1.1.1 A brief survey of models
Several models are available for projecting the risk of breast cancer, as previously reviewed
(Amir et al., 2010; Gail and Mai, 2010). Some of these models are based only on age
and detailed family history, such as the model of Claus et al. (1994). Two other such
models,“BRCAPRO” (Berry et al., 1997; Chen and Parmigiani, 2007) and “BOADICEA”
(Antoniou et al., 2008a), also allow one to include information on the status of BRCA1
or BRCA2 mutations that greatly increase cancer risk. Other models, such as the Na-
tional Cancer Institute’s Breast Cancer Risk Assessment Tool (BCRAT)(Gail et al., 1989;
Costantino et al., 1999; Gail et al., 2007; Matsuno et al., 2011), which is sometimes called the
“Gail model”, and “IBIS” (Tyrer et al., 2005), which is sometimes called the “Tyrer–Cuzick
model”, include factors in addition to family history, such as results of biopsies, and age
at first live birth. IBIS also includes information on BRCA1 and BRCA1 mutation carrier
status. The invasive breast cancer absolute risk model BC2013 (Pfeiffer et al., 2013), that
we discuss later in the book, includes potentially modifiable risk factors, such as hormone
replacement therapy, alcohol use, and body mass index, as does the model of age-specific
incidence by Colditz and Rosner (2000).
A more detailed summary of the risk factors in some of these models is provided in Table
1.1. The variation in choice of risk factors is noteworthy. Other differences are also depicted.
BOADICEA and IBIS are calibrated to breast cancer rates in England and Wales, whereas
the Claus model and BCRAT are calibrated to age-specific breast cancer incidence rates
from the National Cancer Institute’s Surveillance, Epidmiology and End Results (SEER)
Program. Rates in England and Wales are 5–25% lower than SEER rates in women over
age 55 years. Not all the models account for the effects of competing causes of mortality in
projecting breast cancer risk. Although the effects of competing risks are small for short-
term projections, such as 5 years, lifetime projections or 20-year projections of absolute risk
can be reduced appreciably by competing mortality. Other differences include the detailed
approaches to model building and the quality and coherence of the types of data that went
into these models.
With the exception of studies on BCRAT, there is a paucity of independent vali-
dation data to determine how well these models are calibrated and how effective they
are at discriminating women who will eventually develop breast cancer from those who
will not. BCRAT is thought to be well calibrated for use in the general U.S. popu-
lation. Some models that include more information on family history and BRCA1 or
BCRA2 mutation status are widely used in high-risk clinics for women with strong
family histories of breast cancer. Thus, one needs to think carefully about the in-
tended application before choosing a model (Amir et al., 2010; Gail and Mai, 2010).
In addition to the primary publications, helpful information is available at the follow-
ing web sites: for BRCAPRO, http://bcb.dfci.harvard.edu/bayesmendel/brcapro.php; for
BOADICEA, http://ccge.medschl.cam.ac.uk/boadicea/web-application/; for IBIS, http://
www.ems-trials.org/riskevaluator/; and for BCRAT, http://www.cancer.gov/bcrisktool/
 Table 1.1: Features of several models to project absolute or pure risk of breast cancer in women without a previous breast cancer diagnosis

Model Claus BRCAPRO BOADICEA IBIS BCRAT

Risk Factors*
Family history of Ages at onset in Ages at onset in 1st, Ages at onset in 1st, Ages at onset in 1st, Number of 1st de-
breast cancer in 1st, 2nd degree 2nd degree; ovar- 2nd, 3rd degree; ovar- 2nd degree; ovarian gree relatives with
relative ian cancer; bilateral; ian cancer; bilateral; cancer, bilateral breast cancer
male breast cancer male breast cancer
Previous breast Atypical hyperplasia; Number of biopsies;
disease LCIS atypical hyperplasia
Hormonal factors Age at menarche; age Age at menarche;
at first live birth; age age at first live birth
at menopause; oral
contraceptive use
BRCA1, BRCA2 Included Included Included
Other Body mass index
Exclusions* Absence of af- LCIS; DCIS;
fected 1st degree BRCA1 or BRCA2
relatives mutation**
Accounts for com- No Yes No Default is no, but op- Yes
peting mortality tional
Calibrated to inci- SEER Meta-analysis for England/ Wales England/ Wales SEER
dence in BRCA1 or BRCA2
EXAMPLES OF RISK MODELS FOR DISEASE INCIDENCE

carriers; SEER for

non-carriers
*All models include age; all models exclude patients with previous breast cancer.
**Other methods to project risk are more appropriate for women with previous radiation therapy to the chest for the treatment of Hodgkin
lymphoma, for women with certain other mutations, and for women who have recently immigrated to the United States from regions of Asia
where breast cancer risk is low. Further, BCRAT may not be appropriate for women living outside the United States. BCRAT risk calculations
assume that a woman is screened for breast cancer as in the general U.S. population. A woman who does not have mammograms will have
somewhat lower chances of a diagnosis of breast cancer. Abbreviations: LCIS=Lobular carcinoma in situ ; DCIS=ductal carcimoma in situ;
SEER= Surveillance, Epidemiology and End Results Program of the U.S. National Cancer Institute.
3
4 INTRODUCTION
gives a description and risk projection for the online user, whereas http://dceg.cancer.gov/bb
gives links to SAS programs and other programs to perform BCRAT calcuations more flex-
ibly.

1.1.1.2 The National Cancer Institute’s (NCI’s) Breast Cancer Risk Assessment Tool,
BCRAT
In this section we describe how BCRAT was developed and updated, some of its features,
and efforts to test its calibration and discriminatory accuracy. BCRAT was originally derived
from data from the Breast Cancer Detection Demonstration Project (BCDDP), which was
designed to encourage women to be screened with mammography to detect breast cancer.
From 1973 to 1975, over 280,000 women volunteered for the initial screening mammography,
and many were followed with annual mammography for 4 subsequent years. Some prevalent
cancers were detected at the time of the initial mammographic screen, but incident invasive
and in situ cancers detected during follow-up formed the basis of a case-control study of
white women. Data from 2,852 women with breast cancer (cases) and 3,146 controls yielded
estimates of the relative risks of breast cancer that were associated with risk factors such
as age at menarche, age at first live birth, numbers of previous biopsies that yielded benign
histology, and number of mother or sisters with a previous diagnosis of breast cancer. Table
1.2 describes the coding and estimated relative risks for these risk factors based on analyses
in Gail et al. (1989). The combined relative risk, compared to a woman at the lowest risk level
of each factor, is given by multiplying factors A,B,C, and D in Table 1.2 that correspond to
the various risk factors (see footnote to Table 1.2). For example, a 40-year-old nulliparous
white woman who began menstruating at age 14 years (A=1), who has had no biopsies
(B=1 and D=1), and whose sister had breast cancer (C=2.76) has an overall relative risk
of 1.00 × 1.00 × 2.76 × 1.00 = 2.76.
To convert relative risks to absolute risks, Gail et al. (1989) combined information on
relative risks with age-specific breast cancer incidence rates estimated from 243,211 white
women followed in BCDDP and with national mortality rates from non-breast cancer com-
peting causes of mortality. A key step was determining the baseline age-specific incidence
rate for a woman with all risk factors at their lowest levels. The baseline incidence rate
was estimated by multiplying the age-specific BCDDP breast cancer rates, which repre-
sent women with various risk factor combinations, times {1-AR(t)}, where AR(t) is the
age-specific attributable risk at age t. The conversion factor {1-AR(t)} estimates the recip-
rocal of the average relative risk among those age t in the population. Gail et al. (1989)
estimated this factor from cases in the case-control study, using a formula of Bruzzi et al.
(1985). Chapters 4 and 5 show how the baseline incidence rates and relative risks for breast
cancer can be combined with national mortality rates to compute absolute risk.
The resulting absolute risk model is referred to as “Gail Model 1” by Costantino et al.
(1999). Statisticians at the National Surgical Adjuvant Breast and Bowel Project (NSABP)
modified Gail Model 1 by substituting age-specific invasive breast cancer incidence rates
from the National Cancer Institute’s Surveillance, Epidemiology and End Results (SEER)
Program for BCDDP incidence rates and by modifying the estimate of AR(t) accordingly,
but not the relative risks, to produce “Gail Model 2,” as described in the Appendix to
Costantino et al. (1999). Unless otherwise noted, we refer hereafter only to Gail Model 2,
which is incorporated in BCRAT. Estimates of absolute breast cancer risk from Gail Model
2 (i.e., BCRAT) can vary considerably, depending on the woman’s age at counseling, her
risk factors, and the age interval for the risk projection. For example, the projected 5-year
risk for the previously described 40-year-old nulliparous woman is 1%, but her risk to age 90
is 17%. A 60-year-old woman who began menstruating at age 11, had her first child at age
25, has had a breast biopsy with atypical hyperplasia, and whose mother had breast cancer
has a 5-year risk of 7%, and a risk to age 90 of 31%. Chapter 5 describes how to estimate
Another random document with
no related content on Scribd:
 LE GRAND CONTRAT POUR LA FOURNITURE DU BŒUF
CONSERVÉ
Aussi brièvement que possible, je désire exposer à la nation la part, si
petite soit-elle, que j’ai eue dans cette affaire qui a préoccupé si grandement
l’opinion publique, engendré tant de querelles et rempli les journaux des
deux continents de renseignements erronés et de commentaires extravagants.
Voici quelle fut l’origine de cet événement fâcheux. Je n’avance, dans le
résumé suivant, aucun fait qui ne soit confirmé par les documents officiels
du gouvernement.
John Wilson Mackensie, de Rotterdam, comté de Chemung, New-Jersey,
actuellement décédé, fit un contrat avec le gouvernement général, le 10
octobre 1861, ou à peu près à cette date, pour fournir au général Sherman la
somme totale de trente barils de bœuf conservé.
Très bien.
Il partit à la recherche de Sherman, avec son bœuf. Mais quand il fut à
Washington, Sherman venait de quitter cette ville pour Manassas. Mackensie
prit donc son bœuf, et l’y suivit, mais il arriva trop tard. Il le suivit à
Nashville, et de Nashville à Chattanooga, et de Chattanooga à Atlanta, mais
sans pouvoir le rejoindre. A Atlanta, il reprit sa course et poursuivit Sherman
dans sa marche vers la mer. Il arriva quelques jours trop tard. Mais apprenant
que Sherman s’était embarqué pour la Terre Sainte, en excursion, à bord de
la Cité des Quakers, il fit voile pour Beyrouth, calculant qu’il dépasserait
l’autre navire. Une fois à Jérusalem, avec son bœuf, il sut que Sherman ne
s’était pas embarqué sur la Cité des Quakers, mais qu’il était retourné dans
les plaines pour combattre les Indiens. Il revint en Amérique et partit pour
les montagnes Rocheuses. Après soixante-huit jours de pénible voyage à
travers les plaines, et comme il se trouvait à moins de quatre milles du
quartier général de Sherman, il fut tomahawqué et scalpé, et les Indiens
prirent le bœuf. Ils ne lui laissèrent qu’un baril. L’armée de Sherman s’en
empara, et ainsi, même dans la mort, le hardi navigateur put exécuter une
partie de son contrat. Dans son testament, écrit au jour le jour, il léguait le
contrat à son fils Barthelemy Wilson. Barthelemy rédigea la note suivante, et
mourut:
Doit le Gouvernement des États-Unis.
 Pour son compte avec John Wilson Mackensie, de New-Jersey, décédé:
Dollars
Trente barils de bœuf au général Sherman, à 100 dollars 3.000
Frais de voyage et de transport 14.000
Total 17.000
Pour acquit...
Il mourut donc, mais légua son contrat à W. J. Martin, qui tenta de se faire
payer, mais mourut avant d’avoir réussi. Lui, le légua à Barker J. Allen, qui
fit les mêmes démarches, et mourut. Barker J. Allen le légua à Anson G.
Rogers, qui fit les démarches pour être payé, et parvint jusqu’au bureau du
neuvième auditeur à la Cour des comptes. Mais la mort, le grand régulateur,
survint sans être appelée, et lui régla son compte à lui. Il laissa la note à un
de ses parents du Connecticut, Vengeance Hopkins on le nommait, qui dura
quatre semaines et deux jours, et battit le record du temps; il manqua de
vingt-quatre heures d’être reçu par le douzième auditeur. Dans son testament
il légua le contrat à son oncle, un nommé O Gai-Gai Johnson. Ce legs fut
funeste à O Gai-Gai. Ses dernières paroles furent: «Ne me pleurez pas. Je
meurs volontiers.» Il ne mentait pas, le pauvre diable. Sept autres personnes,
successivement, héritèrent du contrat. Toutes moururent. Il est enfin venu
entre mes mains. Je l’héritai d’un parent nommé Hubbard, Bethléhem
Hubbard, d’Indiana. Il avait eu de l’inimitié pour moi pendant longtemps.
Mais à ses derniers moments, il me fit appeler, se réconcilia avec moi
complètement, et en pleurant me donna le contrat de bœuf.
Ici finit l’histoire du contrat jusqu’au jour où il vint en ma possession. Je
vais essayer maintenant d’exposer impartialement, aux yeux de la nation,
tout ce qui concerne ma part en cette matière. Je pris le contrat et la note
pour frais de route et transport, et j’allai voir le président des États-Unis.
—«Monsieur, me dit-il, que désirez-vous?»
Je répondis:—«Sire, à la date, ou à peu près, du 10 octobre 1861, John
Wilson Mackensie, de Rotterdam, comté de Chemung, New-Jersey, décédé,
fit un contrat avec le gouvernement pour fournir au général Sherman la
somme totale de trente barils de bœuf...»
Il m’arrêta là, et me congédia, avec douceur, mais fermeté. Le lendemain
j’allais voir le secrétaire d’État.
Il me dit:—«Eh bien, Monsieur?»
 Je répondis:—«Altesse Royale, à la date ou à peu près du 10 octobre
1861, John Wilson Mackensie, de Rotterdam, comté de Chemung, New-
Jersey, décédé, fit un contrat avec le gouvernement pour fournir au général
Sherman la somme totale de trente barils de bœuf...»
—«Cela suffit, Monsieur, cela suffit; ce bureau n’a rien à faire avec les
fournitures de bœuf.»
Je fus salué et congédié. Je réfléchis mûrement là-dessus et me décidai, le
lendemain, à voir le ministre de la marine, qui dit:—«Soyez bref, Monsieur,
et expliquez-vous.»
Je répondis:—«Altesse Royale, à la date, ou à peu près, du 10 octobre
1861, John Wilson Mackensie, de Rotterdam, comté de Chemung, New-
Jersey, décédé, fit un contrat avec le gouvernement pour fournir au général
Sherman la somme totale de trente barils de bœuf.»
Bon. Ce fut tout ce qu’on me laissa dire. Le ministre de la marine n’avait
rien à faire avec les contrats pour quel général Sherman que ce fût. Je
commençai à trouver qu’un gouvernement était une chose curieuse. J’eus
comme une vision vague qu’on faisait des difficultés pour me payer. Le jour
suivant, j’allai voir le ministre de l’intérieur.
Je dis:—«Altesse Royale, à la date, ou à peu près, du 10 octobre...»
—«C’est assez, Monsieur. J’ai entendu parler de vous déjà. Allez,
emportez votre infâme contrat de bœuf hors de cet établissement. Le
ministère de l’intérieur n’a absolument rien à faire avec l’approvisionnement
de l’armée.»
Je sortis, mais j’étais furieux. Je dis que je les hanterais, que je
poursuivrais tous les départements de ce gouvernement inique, jusqu’à ce
que mon compte fût approuvé. Je serais payé, ou je mourrais, comme mes
prédécesseurs, à la peine. J’attaquai le directeur général des postes.
J’assiégeai le ministère de l’agriculture. Je dressai des pièges au président de
la Chambre des représentants. Ils n’avaient rien à faire avec les contrats pour
fourniture de bœuf à l’armée. Je fus chez le commissaire du bureau des
brevets.
Je dis:—«Votre auguste Excellence, à la date ou à peu près...»
—«Mort et damnation! Vous voilà enfin venu ici avec votre infernal
contrat de bœuf! Nous n’avons rien à faire avec les contrats de bœuf à
l’armée, mon cher seigneur.»
 —«C’est très bien. Mais quelqu’un a affaire de payer pour ce bœuf. Il
faut qu’il soit payé, maintenant, ou je fais mettre les scellés sur ce vieux
bureau des brevets et tout ce qu’il contient.»
—«Mais, cher Monsieur...»
—«Il n’y a pas à discuter, Monsieur. Le bureau des brevets est comptable
de ce bœuf. Je l’entends ainsi. Et, comptable ou non, le bureau des brevets
doit payer.»
Épargnez-moi les détails. Cela finit par une bataille. Le bureau des
brevets eut l’avantage. Mais je trouvai autre chose pour me rattraper. On me
dit que le ministère des finances était l’endroit exact où je devais m’adresser.
J’y allai. J’attendis deux heures et demie. Enfin je fus admis auprès du
premier lord de la trésorerie. Je dis:
—«Très noble, austère et éminent Signor, à la date ou à peu près du 10
octobre 1861, John Wilson Macken...»
—«Je sais, Monsieur. Je vous connais. Allez voir le premier auditeur de
la trésorerie...»
J’y allai. Il me renvoya au second auditeur, celui-ci au troisième, et le
troisième m’envoya au premier contrôleur de la section des conserves de
bœuf. Cela commençait à prendre tournure. Le contrôleur chercha dans ses
livres et dans un tas de papiers épars, mais ne trouva pas la minute du
contrat. Je vis le deuxième contrôleur de la section des conserves de bœuf. Il
examina ses livres et feuilleta des papiers.—Rien.—Je fus encouragé, et
dans la semaine j’allai jusqu’au sixième contrôleur de cette division. La
semaine suivante, j’allai au bureau des réclamations. La troisième semaine
j’entamai et achevai le département des comptes perdus, et je mis le pied sur
le département des comptes morts. J’en finis avec ce dernier en trois jours. Il
ne me restait plus qu’une place où pénétrer. J’assiégeai le commissaire des
affaires au rebut. Son commis, plutôt, car lui n’était pas là.
Il y avait seize belles jeunes filles dans la salle, écrivant sur des registres,
et sept jeunes clercs favorisés, qui leur montraient comment on fait. Les
jeunes filles souriaient, la tête penchée vers les commis, et les commis
souriaient aux jeunes filles, et tous paraissaient aussi joyeux qu’une cloche
de mariage. Deux ou trois commis, en train de lire les journaux, me
regardèrent plutôt fraîchement, mais continuèrent leur lecture, et personne ne
dit mot. D’ailleurs j’avais eu le temps de m’habituer à ces accueils cordiaux
de la part des moindres surnuméraires, depuis le premier jour où je pénétrai
dans le premier bureau de la division des conserves de bœuf, jusqu’au jour
où je sortis du dernier bureau de la division des comptes perdus. J’avais fait
dans l’intervalle de tels progrès que je pouvais me tenir debout sur un pied
depuis le moment où j’entrais dans un bureau jusqu’au moment où un
commis me parlait, sans changer de pied plus de deux ou peut-être trois fois.
Ainsi je demeurai là, jusqu’à ce que j’eusse changé de pied quatre fois.
Alors je dis à un des commis qui lisaient:
—«Illustre vagabond, où est le Grand Turc?»
—«Qu’est-ce que vous dites, Monsieur, qu’est-ce que vous dites? Si vous
voulez parler du chef de bureau, il est sorti.»
—«Viendra-t-il visiter son harem aujourd’hui?»
Le jeune homme fixa ses yeux un moment sur moi, puis reprit la lecture
de son journal. Mais j’avais l’expérience des commis. Je savais que j’étais
sauvé s’il terminait sa lecture avant qu’arrivât le courrier suivant de New-
York. Il n’avait plus à lire que deux journaux. Au bout d’un moment il eut
fini. Il bâilla et me demanda ce que je voulais:
—«Renommé et respectable imbécile. A la date du...»
—«Vous êtes l’homme du contrat de bœuf. Donnez-moi vos papiers.»
Il les prit, et pendant longtemps farfouilla dans ses rebuts. Enfin, il trouva
ce qui était pour moi le passage du Nord-Ouest. Il trouva la trace depuis si
longtemps perdue de ce contrat de bœuf, le roc sur lequel tant de mes
ancêtres s’étaient brisés avant de l’atteindre. J’étais profondément ému. Et
cependant j’étais heureux, car j’avais vécu jusque-là. Je dis avec émotion:
—«Donnez-le-moi. Le gouvernement va le régler.»
Il m’écarta du geste, et me dit qu’il restait une formalité à remplir.
—«Où est ce John Wilson Mackensie?» dit-il.
—«Mort.»
—«Où est-il mort?»
—«Il n’est pas mort du tout. On l’a tué.»
—«Comment?»
—«D’un coup de tomahawk.»
—«Qui donc?»
—«Qui? un Indien, naturellement. Vous ne supposez pas que ce fut le
directeur général des cours d’adultes.»
 —«Non, en effet. Un Indien, dites-vous?»
—«C’est cela même.»
—«Le nom de l’Indien?»
—«Son nom? Mais je ne le connais pas!»
—«Il nous faut avoir le nom. Qui a assisté au meurtre?»
—«Je n’en sais rien.»
—«Vous n’étiez donc pas là, vous?»
—«Comme vous pouvez le voir à ma chevelure. J’étais absent.»
—«Alors, comment pouvez-vous savoir que Mackensie est mort?»
—«Parce qu’il mourut certainement à ce moment-là, et que j’ai toutes
sortes de raisons de croire qu’il est resté mort depuis. Je le sais d’ailleurs
pertinemment.»
—«Il nous faut des preuves. Avez-vous amené l’Indien?»
—«Sûrement non.»
—«Bien. Il faut l’amener. Avez-vous le tomahawk?»
—«Je n’y ai jamais songé.»
—«Vous devez présenter le tomahawk. Vous devez produire l’Indien et le
tomahawk. La mort de M. Mackensie une fois prouvée par leur comparution,
vous pourrez vous présenter devant la commission chargée des réclamations
avec quelques chances de voir votre note accueillie assez favorablement
pour que vos enfants, si leur vie est assez longue, puissent recevoir l’argent
et en profiter. Mais il faut que la mort de cet homme soit prouvée. D’ailleurs,
j’aime autant vous le dire, le gouvernement ne réglera jamais les frais de
transport et frais de voyage du malheureux Mackensie. Peut-être paiera-t-il
le baril de bœuf capturé par les soldats de Sherman, si vous pouvez obtenir
un vote du Congrès autorisant ce paiement. Mais on ne paiera pas les vingt-
neuf barils que les Indiens ont mangés.»
—«Alors on me doit seulement cent dollars, et cela même n’est pas sûr!
Après tous les voyages de Mackensie en Europe, Asie, Amérique, avec son
bœuf; après tous ses soucis, ses tribulations; après la mort lamentable des
innocents qui ont essayé de toucher cette note!... Jeune homme, pourquoi le
premier contrôleur de la division des conserves de bœuf ne me l’a-t-il pas dit
tout d’abord?»
—«Il ne savait absolument rien sur le bien-fondé de votre réclamation.»
 —«Pourquoi le second ne l’a-t-il pas dit? Et le troisième? Pourquoi toutes
ces divisions et tous ces bureaux ne me l’ont-ils pas dit?»
—«Aucun d’eux n’en savait rien. Tout marche par routine ici... Vous avez
suivi la routine et trouvé ce que vous vouliez savoir. C’est la meilleure voie.
C’est la seule. Elle est très régulière, très lente, mais très sûre.»
—«C’est la mort qui est sûre, et qui l’a été pour tous les gens de ma tribu.
Je commence à me sentir frappé, moi aussi. Jeune homme, vous aimez la
belle créature qui est là-bas. Elle a des yeux bleus, et un porte-plume sur
l’oreille. Je le devine à vos doux regards: vous voulez l’épouser, mais vous
êtes pauvre. Approchez. Donnez votre main. Voici le contrat de bœuf. Allez,
mariez-vous, et soyez heureux. Dieu vous bénisse, mes enfants!»
Voilà tout ce que je sais au sujet de ce grand contrat de bœuf, dont on a
tant parlé. Le commis à qui je l’avais donné est mort. Je n’ai plus eu de
nouvelles du contrat ou de quelque chose s’y rapportant. Je sais seulement
que, pourvu qu’un homme vive assez longtemps, il peut suivre une affaire à
travers les bureaux des circonlocutions de Washington, et découvrir à la fin,
après beaucoup de travail, de fatigue et de patience, ce qu’il aurait pu
découvrir dès le premier jour, si les affaires du bureau des circonlocutions
étaient classées avec autant d’ordre qu’elles le seraient dans n’importe quelle
grande entreprise commerciale privée.
 UNE INTERVIEW
Le jeune homme nerveux, alerte et déluré, prit la chaise que je lui offrais,
et dit qu’il était attaché à la rédaction du Tonnerre Quotidien. Il ajouta:
—«J’espère ne pas être importun. Je suis venu vous interviewer.»
—«Vous êtes venu quoi faire?»
—«Vous interviewer.»
—«Ah! très bien. Parfaitement. Hum!... Très bien...»
Je ne me sentais pas brillant, ce matin-là. Vraiment, mes facultés me
semblaient un peu nuageuses. J’allai cependant jusqu’à la bibliothèque.
Après avoir cherché six ou sept minutes, je me vis obligé de recourir au
jeune homme.
—«Comment l’épelez-vous?» dis-je.
—«Épeler quoi?»
—«Interviewer.»
—«Bon Dieu! que diable avez-vous besoin de l’épeler?»
—«Je n’ai pas besoin de l’épeler, mais il faut que je cherche ce qu’il
signifie.»
—«Eh bien, vous m’étonnez, je dois le dire. Il m’est facile de vous
donner le sens de ce mot. Si...»
—«Oh, parfait! C’est tout ce qu’il faut. Je vous suis certes très obligé.»
—«I-n, in, t-e-r, ter, inter...»
—«Tiens, tiens... vous épelez avec un i.»
—«Évidemment.»
—«C’est pour cela que j’ai tant cherché!»
—«Mais, cher Monsieur, par quelle lettre auriez-vous cru qu’il
commençât?»
—«Ma foi, je n’en sais trop rien. Mon dictionnaire est assez complet.
J’étais en train de feuilleter les planches de la fin, si je pouvais dénicher cet
objet dans les figures. Mais c’est une très vieille édition.»
—«Mon cher Monsieur, vous ne trouverez pas une figure représentant
une interview, même dans la dernière édition... Ma foi, je vous demande
pardon, je n’ai pas la moindre intention blessante, mais vous ne me paraissez
pas être aussi intelligent que je l’aurais cru... Je vous jure, je n’ai pas
l’intention de vous froisser.»
—«Oh! cela n’a pas d’importance. Je l’ai souvent entendu dire, et par des
gens qui ne voulaient pas me flatter, et qui n’avaient aucune raison de le
faire. Je suis tout à fait remarquable à ce point de vue. Je vous assure. Tous
en parlent avec ravissement.»
—«Je le crois volontiers. Mais venons à notre affaire. Vous savez que
c’est l’usage, maintenant, d’interviewer les gens connus.»
—«Vraiment, vous me l’apprenez. Ce doit être fort intéressant. Avec quoi
faites-vous cela?»
—«Ma foi, vous êtes déconcertant. Dans certains cas, c’est avec un
gourdin qu’on devrait interviewer. Mais d’ordinaire ce sont des questions
que pose l’interviewer, et auxquelles répond l’interviewé. C’est une mode
qui fait fureur. Voulez-vous me permettre de vous poser certaines questions
calculées pour mettre en lumière les points saillants de votre vie publique et
privée?»
—«Oh! avec plaisir, avec plaisir. J’ai une très mauvaise mémoire, mais
j’espère que vous passerez là-dessus. C’est-à-dire que j’ai une mémoire
irrégulière, étrangement irrégulière. Des fois, elle part au galop, d’autres
fois, elle s’attardera toute une quinzaine à un endroit donné. C’est un grand
ennui pour moi.»
—«Peu importe. Vous ferez pour le mieux.»
—«Entendu. Je vais m’y appliquer tout entier.»
—«Merci. Êtes-vous prêt? Je commence.»
—«Je suis prêt.»
—«Quel âge avez-vous?»
—«Dix-neuf ans, en juin.»
—«Comment! Je vous aurais donné trente-cinq ou trente-six ans. Où êtes-
vous né?»
—«Dans le Missouri.»
—«A quel moment avez-vous commencé à écrire?»
—«En 1836.»
—«Comment cela serait-il possible, puisque vous n’avez que dix-neuf
ans?»
—«Je n’en sais rien. Cela paraît bizarre, en effet.»
 —«Très bizarre. Quel homme regardez-vous comme le plus remarquable
de ceux que vous avez connus?»
—«Aaron Burr.»
—«Mais vous n’avez jamais pu connaître Aaron Burr, si vous n’avez que
dix-neuf ans!»
—«Bon! si vous savez mieux que moi ce qui me concerne, pourquoi
m’interrogez-vous?»
—«Oh! ce n’était qu’une suggestion. Rien de plus. Dans quelles
circonstances avez-vous rencontré Aaron Burr?»
«Voici. Je me trouvai par hasard un jour à ses funérailles, et il me pria de
faire un peu moins de bruit, et...»
—«Mais, bonté divine, si vous étiez à ses funérailles, c’est qu’il était
mort. Et s’il était mort, que lui importait que vous fissiez ou non du bruit?»
—«Je n’en sais rien. Il a toujours été un peu maniaque, de ce côté-là.»
—«Allons, je n’y comprends rien. Vous dites qu’il vous parla, et qu’il
était mort.»
—«Je n’ai jamais dit qu’il fût mort.»
—«Enfin était-il mort, ou vivant?»
—«Ma foi, les uns disent qu’il était mort, et d’autres qu’il était vivant.»
—«Mais vous, que pensiez-vous?»
—«Bon! Ce n’était pas mon affaire. Ce n’est pas moi que l’on enterrait.»
—«Mais cependant... Allons, je vois que nous n’en sortirons pas. Laissez-
moi vous poser d’autres questions. Quelle est la date de votre naissance?»
—«Le lundi, 31 octobre 1693.»
—«Mais c’est impossible! Cela vous ferait cent quatre-vingts ans d’âge.
Comment expliquez-vous cela?»
—«Je ne l’explique pas du tout.»
—«Mais vous me disiez tout à l’heure que vous n’aviez que dix-neuf ans!
et maintenant vous en arrivez à avoir cent quatre-vingts ans! C’est une
contradiction flagrante.»
—«Vraiment! L’avez-vous remarqué? (Je lui serrai les mains.) Bien
souvent en effet cela m’a paru comme une contradiction. Je n’ai jamais pu,
d’ailleurs, la résoudre. Comme vous remarquez vite les choses!»
 —«Merci du compliment, quel qu’il soit. Aviez-vous, ou avez-vous des
frères et des sœurs?»
—«Eh! Je... Je... Je crois que oui, mais je ne me rappelle pas.»
—«Voilà certes la déclaration la plus extraordinaire qu’on m’aie jamais
faite!»
—«Pourquoi donc? Pourquoi pensez-vous ainsi?»
—«Comment pourrais-je penser autrement? Voyons. Regardez par là. Ce
portrait sur le mur, qui est-ce? N’est-ce pas un de vos frères?»
—«Ah! oui, oui, oui! Vous m’y faites penser maintenant. C’était un mien
frère. William, Bill, comme nous l’appelions. Pauvre vieux Bill!»
—«Quoi! il est donc mort?»
—«Certainement. Du moins, je le suppose. On n’a jamais pu savoir. Il y a
un grand mystère là-dessous.»
—«C’est triste, bien triste. Il a disparu, n’est-ce pas?»
—«Oui, d’une certaine façon, généralement parlant. Nous l’avons
enterré.»
—«Enterré! Vous l’avez enterré, sans savoir s’il était mort ou vivant!»
—«Qui diable vous parle de cela? Il était parfaitement mort.»
—«Ma foi! j’avoue ne plus rien comprendre. Si vous l’avez enterré, et si
vous saviez qu’il était mort...»
—«Non, non, nous pensions seulement qu’il l’était.»
—«Ah! je vois. Il est revenu à la vie.»
—«Je vous parie bien que non.»
—«Eh bien! je n’entendis jamais raconter chose pareille. Quelqu’un est
mort. On l’a enterré. Où est le mystère là-dedans?»
—«Mais là justement! C’est ce qui est étrange. Il faut vous dire que nous
étions jumeaux, le défunt et moi. Et un jour, on nous a mêlés dans le bain,
alors que nous n’avions que deux semaines, et un de nous a été noyé. Mais
nous ne savons pas qui. Les uns croient que c’était Bill. D’autres pensent
que c’était moi.»
—«C’est très curieux. Et quelle est votre opinion personnelle?»
—«Dieu le sait! Je donnerais tout au monde pour le savoir. Ce solennel et
terrible mystère a jeté une ombre sur toute ma vie. Mais je vais maintenant
vous dire un secret que je n’ai jamais confié à aucune créature jusqu’à ce
jour. Un de nous avait une marque, un grain de beauté, fort apparent, sur le
dos de la main gauche. C’était moi. Cet enfant est celui qui a été noyé.»
—«Ma foi, je ne vois pas, dès lors, qu’il y ait là-dedans le moindre
mystère, tout considéré.»
—«Vous ne voyez pas. Moi, je vois. De toute façon, je ne puis
comprendre que les gens aient pu être assez stupides pour aller enterrer
l’enfant qu’il ne fallait pas. Mais chut!... N’en parlez jamais devant la
famille. Dieu sait que mes parents ont assez de soucis pour leur briser le
cœur, sans celui-là.»
—«Eh bien, j’ai, ce me semble, des renseignements suffisants pour
l’heure, et je vous suis très obligé pour la peine que vous avez prise. Mais
j’ai été fort intéressé par le récit que vous m’avez fait des funérailles
d’Aaron Burr. Voudriez-vous me raconter quelle circonstance, en particulier,
vous fit regarder Aaron Burr comme un homme si remarquable?»
—«Oh! un détail insignifiant. Pas une personne sur cinquante ne s’en
serait aperçue. Quand le sermon fut terminé, et que le cortège fut prêt à partir
pour le cimetière, et que le corps était installé bien confortable dans le
cercueil, il dit qu’il ne serait pas fâché de jeter un dernier coup d’œil sur le
paysage. Il se leva donc et s’en fut s’asseoir sur le siège, à côté du
conducteur.»
Le jeune homme, là-dessus, me salua et prit congé. J’avais fort goûté sa
compagnie, et fus fâché de le voir partir.
 ROGERS
Je rencontrai le nommé Rogers, et il se présenta lui-même, dans le sud de
l’Angleterre, où je résidais alors. Son beau-père avait épousé une mienne
parente éloignée, qui, par la suite, fut pendue. Il paraissait croire, en
conséquence, à une parenté entre nous. Il venait me voir tous les jours,
s’installait et causait. De toutes les curiosités humaines sympathiques et
sereines que j’ai vues, je le regarde comme la première. Il désira examiner
mon nouveau chapeau haut de forme. Je m’empressai, car je pensais qu’il
remarquerait le nom du grand chapelier d’Oxford Street, qui était au fond, et
m’estimerait d’autant. Mais il le tourna et le retourna avec une sorte de
gravité compatissante, indiqua deux ou trois défauts et dit que mon arrivée,
trop récente, ne pouvait pas laisser espérer que je susse où me fournir. Il
m’enverrait l’adresse de son chapelier. Puis il ajouta: «Pardonnez-moi», et se
mit à découper avec soin une rondelle de papier de soie rouge. Il entailla les
bords minutieusement, prit de la colle, et colla le papier dans mon chapeau
de manière à recouvrir le nom du chapelier. Il dit: «Personne ne saura
maintenant où vous l’avez acheté. Je vous enverrai une marque de mon
chapelier, et vous pourrez l’appliquer sur la rondelle de papier.» Il fit cela le
plus calmement, le plus froidement du monde, je n’ai vu de ma vie un
homme plus admirable. Remarquez que, pendant ce temps, son propre
chapeau était là, sur la table, au grand détriment de mon odorat. C’était un
vieil éteignoir informe, fripé et déjeté par l’âge, décoloré par les intempéries
et bordé d’un équateur de pommade suintant au travers.
Une autre fois, il examina mon vêtement. J’étais sans effroi, car mon
tailleur avait sur sa porte: «Par privilège spécial, fournisseur de S.A.R. le
prince de Galles», etc... Je ne savais pas alors que la plupart des maisons de
tailleurs ont le même signe sur la porte, et que, dès le moment qu’il faut neuf
tailleurs pour faire un homme, comme on dit, il en faut cent cinquante pour
faire un prince. Rogers fut touché de compassion par la vue de mon
vêtement. Il me donna par écrit l’adresse de son tailleur. Il ne me dit pas,
comme on fait d’ordinaire, en manière de compliment, que je n’aurais qu’à
mentionner mon nom de plume, et que le tailleur mettrait à confectionner
mes habits ses soins les plus dévoués. Son tailleur, m’apprit-il, se dérangerait
difficilement pour un inconnu (inconnu! quand je me croyais si célèbre en
Angleterre! ce fut le coup le plus cruel), mais il me prévint de me
recommander de lui, et que tout irait bien.
Voulant être plaisant, je dis:—«Mais s’il allait passer la nuit, et
compromettre sa santé?»
—«Laissez donc, répondit Rogers, j’ai assez fait pour lui pour qu’il m’en
ait quelque égard.»
J’aurais aussi bien pu essayer de déconcerter une momie avec ma
plaisanterie. Il ajouta:
—«C’est là que je fais tout faire. Ce sont les seuls vêtements où l’on
puisse se voir.»
Je fis une autre tentative.—«J’aurais aimé en voir un sur vous, si vous en
aviez porté un.»
—«Dieu vous bénisse, n’en porté-je pas un sur moi?... Cet article vient de
chez Morgan.»
J’examinai le vêtement. C’était un article acheté tout fait, à un juif de
Chatham Street, sans doute possible, vers 1848. Il avait dû coûter quatre
dollars, quand il était neuf. Il était déchiré, éraillé, râpé, graisseux. Je ne pus
m’empêcher de lui montrer où il était déchiré. Il en fut si affecté que je fus
désolé de l’avoir fait. D’abord il parut plongé dans un abîme sans fond de
douleur. Il se remit, fit le geste d’écarter de lui avec ses mains la pitié d’un
peuple entier, et dit, avec ce qui me parut une émotion fabriquée: «Je vous
en prie. Cela n’a pas d’importance. Ne vous en tourmentez pas. Je puis
mettre un autre vêtement.»
Quand il fut tout à fait remis, qu’il put examiner la déchirure et
commander à ses sentiments, il dit que, ah! maintenant, il comprenait. Son
domestique avait fait cela, sans doute, en l’habillant, ce matin.
Son «domestique»! Il y avait quelque chose d’angoissant dans une telle
effronterie.
Presque chaque jour il s’intéressait à quelque détail de mon vêtement. On
eût pu s’étonner de trouver cette sorte d’infatuation chez un homme qui
portait toujours le même costume, et un costume qui paraissait dater de la
conquête de l’Angleterre par les Normands.
C’était une ambition méprisable, peut-être, mais je souhaitais pouvoir lui
montrer quelque chose à admirer, dans mes vêtements ou mes actes. Vous
auriez éprouvé le même désir. L’occasion se présenta. J’étais sur le point de
mon retour à Londres, et je venais de compter mon linge sale pour le
blanchissage. C’était vraiment une imposante montagne dans le coin de la
chambre, cinquante-quatre pièces. J’espérais qu’il penserait que c’était le
linge d’une seule semaine. Je pris le carnet de blanchissage, comme pour
m’assurer que tout était en règle, puis le jetai sur la table, avec une
négligence affectée. Naturellement, il le prit et promena ses yeux en
descendant jusqu’au total. Alors, il dit: «Vous ne devez pas vous ruiner», et
le reposa sur la table.
Ses gants étaient un débris sinistre. Mais il m’indiqua où je pourrais en
avoir de semblables. Ses chaussures avaient des fentes à laisser passer des
noix, mais il posait avec complaisance ses pieds sur le manteau de la
cheminée et les contemplait. Il avait une épingle de cravate avec un morceau
de verre terne, qu’il appelait un «diamant morphylitique», quoi que cela pût
signifier. Il me dit qu’on n’en avait jamais trouvé que deux. L’empereur de
Chine avait l’autre.
Plus tard, à Londres, ce fut une joie pour moi de voir ce vagabond
fantastique s’avancer dans le vestibule de l’hôtel avec son allure de grand-
duc; il avait toujours quelque nouvelle folie de grandeur à inaugurer. Il n’y
avait d’usé chez lui que ses vêtements. S’il m’adressait la parole devant des
étrangers, il élevait toujours un peu la voix pour m’appeler: «Sir Richard» ou
«Général» ou «Votre Honneur», et quand les gens commençaient à faire
attention et à regarder avec respect, il se mettait à me demander
incidemment pourquoi je ne m’étais pas rendu la veille au rendez-vous du
duc d’Argyll, ou bien me rappelait que nous étions attendus le lendemain
chez le duc de Westminster. Je suis persuadé qu’à ce moment-là il était
convaincu de la réalité de ce qu’il disait. Il vint un jour me voir et m’invita à
passer la soirée chez le duc de Warwick, à sa maison de ville. Je dis que je
n’étais pas personnellement invité. Il répondit que cela n’avait aucune
importance, le duc ne faisant pas de cérémonies avec lui ou ses amis.
Comme je demandais si je pouvais aller comme j’étais, il dit que non, ce
serait peu convenable. L’habit de soirée était exigé, le soir, chez n’importe
quel gentleman. Il offrit de m’attendre pendant que je m’habillerais. Puis
nous irions chez lui. Je boirais une bouteille de champagne et fumerais un
cigare pendant qu’il s’apprêterait. Fort désireux de voir la fin de cela, je
m’habillai et nous partîmes pour chez lui. Il me proposa d’aller à pied, si je
n’y voyais pas d’inconvénient. Nous pataugeâmes environ quatre milles à
travers la boue et le brouillard. Finalement nous trouvâmes son appartement.
C’était une simple chambre au-dessus de la boutique d’un barbier, dans une
rue écartée. Deux chaises, une petite table, une vieille valise, une cuvette et
une cruche (toutes deux dans un coin sur le plancher), un lit pas fait, un
fragment de miroir, et un pot de fleur avec un petit géranium rose qui
s’étiolait. C’était, me dit-il, une plante «séculaire». Elle n’avait pas fleuri
depuis deux cents ans. Il la tenait de feu lord Palmerston. On lui en avait
offert des sommes fantastiques. Tel était le mobilier. En outre, un chandelier
de cuivre avec un fragment de bougie. Rogers alluma la bougie, et me pria
de m’asseoir et de me considérer comme chez moi. Je devais avoir soif,
espéra-t-il, car il voulait faire à mon palais la surprise d’une marque de
champagne comme tout le monde n’en buvait pas. Aimais-je mieux du
sherry, ou du porto? Il avait, me dit-il, du porto dans des bouteilles toutes
recouvertes de toiles d’araignées stratifiées. Chaque couche représentait une
génération. Pour les cigares, j’en jugerais par moi-même. Il mit la tête à la
porte et appela:
—«Sackville!» Pas de réponse.
—«Hé! Sackville!» Pas de réponse.
—«Où diable peut être passé ce sommelier? Je ne permets jamais
pourtant à un de mes domestiques de... Oh! l’idiot! il a emporté les clefs! Je
ne puis pas aller dans les autres pièces sans les clefs.»
(J’étais justement en train d’admirer l’intrépidité avec laquelle il
prolongeait la fiction du champagne, essayant de deviner comment il allait se
tirer de là.)
Il cessa d’appeler Sackville et se mit à crier: «Anglesy!» Anglesy ne vint
pas non plus. Il dit: «C’est la seconde fois que cet écuyer s’est absenté sans
permission. Demain, je le renverrai.»
Il se mit alors à héler «Thomas!» Mais Thomas ne répondit pas. Puis
«Théodore!» Pas de Théodore.
«Ma foi, j’y renonce, fit-il. Mes gens ne m’attendent jamais à cette heure-
ci. Ils sont tous partis en bombe. A la rigueur on peut se passer de l’écuyer et
du page, mais nous ne pouvons avoir ni vin ni cigares sans le sommelier. Et
je ne puis pas m’habiller sans mon valet.»
J’offris de l’aider à s’habiller. Mais il ne voulut pas en entendre parler.
D’ailleurs, dit-il, il ne se sentirait pas confortable s’il n’était arrangé par des
mains expérimentées; finalement il conclut que le duc était un trop vieil ami
pour se préoccuper de la manière dont il serait vêtu. Nous prîmes donc un
cab, il donna quelques indications au cocher, et nous partîmes. Nous
arrivâmes enfin devant une vieille maison et nous descendîmes. Je n’avais
jamais vu Rogers avec un col. Il s’arrêta sous un réverbère, sortit de la poche
de son vêtement un vieux col en papier, où pendait une cravate usée, et les
mit. Il monta les marches et entra. Je le vis reparaître presque aussitôt; il
marcha vers moi précipitamment et me dit:
—«Venez. Vite!»
Nous nous éloignâmes en hâte, et tournâmes le coin de la rue.
—«Nous voici en sûreté», fit-il.
Il quitta son col et sa cravate et les remit dans sa poche.
—«Je l’ai échappé belle», dit-il.
—«Comment cela?» fis-je.
—«Par saint Georges, la comtesse était là!»
—«Eh bien, quoi? Ne vous connaît-elle pas?»
—«Si, elle me connaît! Mais elle m’adore. J’ai pu jeter un coup d’œil
avant qu’elle m’eût aperçu. Et j’ai filé. Je ne l’avais pas vue depuis deux
mois. Entrer comme cela, sans la prévenir, eût été fatal. Elle n’aurait pas
supporté le coup. Je ne savais pas qu’elle fût en ville. Je la croyais dans son
château... Laissez-moi m’appuyer sur vous... un instant... Là, je me sens
mieux; merci, grand merci. Dieu me bénisse. Quelle échappée!»
En définitive, ma visite au duc fut remise aux calendes grecques. Mais je
notai la maison pour information plus ample. Je sus que c’était un hôtel de
famille ordinaire, où perchaient environ un millier de gens quelconques.
Pour bien des choses, Rogers n’était nullement fou. Pour certaines, il
l’était évidemment, mais sûrement il l’ignorait. Il se montrait, dans ces
dernières, du sérieux le plus absolu. Il est mort au bord de la mer, l’été
dernier, chez le «comte de Ramsgate».
 L’INFORTUNÉ FIANCÉ D’AURÉLIA
Les faits suivants sont consignés dans une lettre que m’écrit une jeune
fille habitant la belle ville de San José. Elle m’est parfaitement inconnue, et
signe simplement: Aurélia-Maria, ce qui est peut-être un pseudonyme. Mais
peu importe. La pauvre fille a le cœur brisé par les infortunes qu’elle a
subies. Elle est si troublée par les conseils opposés de malveillants amis et
d’ennemis insidieux, qu’elle ne sait à quel parti se résoudre pour se dégager
du réseau de difficultés dans lequel elle semble prise presque sans espoir.
Dans son embarras, elle a recours à moi, elle me supplie de la diriger et de la
conseiller, avec une éloquence émouvante qui toucherait le cœur d’une
statue. Écoutez sa triste histoire.
Elle avait seize ans, dit-elle, quand elle rencontra et aima, avec toute
l’ardeur d’une âme passionnée, un jeune homme de New-Jersey, nommé
Williamson Breckinridge Caruthers, de quelque six ans son aîné. Ils se
fiancèrent, avec l’assentiment de leurs amis et parents, et, pour un temps,
leur carrière parut devoir être caractérisée par une immunité de malheur au
delà du lot ordinaire de l’humanité. Mais, un jour, la face de la fortune
changea. Le jeune Caruthers fut atteint d’une petite vérole de l’espèce la plus
virulente, et quand il retrouva la santé, sa figure était trouée comme un
moule à gaufre et toute sa beauté disparue pour toujours.
Aurélia songea d’abord à rompre son engagement, mais, par pitié pour
l’infortuné, elle se contenta de renvoyer le mariage à une autre saison, et
laissa une chance au malheureux.
La veille même du jour où le mariage devait avoir lieu, Breckinridge,
tandis qu’il était occupé à suivre des yeux un ballon, tomba dans un puits et
se cassa une jambe, qu’on dut lui amputer au-dessus du genou. Aurélia, de
nouveau, fut tentée de rompre son engagement, mais, de nouveau, l’amour
triompha, et le mariage fut remis, et elle lui laissa le temps de se rétablir.
Une infortune nouvelle tomba sur le malheureux fiancé. Il perdit un bras
par la décharge imprévue d’un canon que l’on tirait pour la fête nationale, et,
trois mois après, eut l’autre emporté par une machine à carder. Le cœur
d’Aurélia fut presque brisé par ces dernières calamités. Elle ne pouvait
s’empêcher de ressentir une profonde affliction, en voyant son amoureux la
quitter ainsi morceau par morceau, songeant qu’avec ce système de
progressive réduction il n’en resterait bientôt plus rien, et ne sachant
comment l’arrêter sur cette voie funeste. Dans son désespoir affreux, elle en
venait presque à regretter, comme un négociant qui s’obstine dans une
affaire et perd davantage chaque jour, de ne pas avoir accepté Breckinridge
tout d’abord, avant qu’il eût subi une si alarmante dépréciation. Mais son
cœur prit le dessus, et elle résolut de tenter l’épreuve des dispositions
déplorables de son fiancé encore une fois.
De nouveau se rapprochait le jour du mariage, et de nouveau se
rassemblèrent les nuages de désillusion. Caruthers tomba malade de
l’érysipèle, et perdit l’usage de l’un de ses yeux, complètement. Les amis et
les parents de la jeune fille, considérant qu’elle avait montré plus de
généreuse obstination qu’on ne pouvait raisonnablement exiger d’elle,
intervinrent de nouveau, et insistèrent pour qu’elle rompît son engagement.
Mais après avoir un peu hésité, Aurélia, dans toute la générosité de ses
honorables sentiments, dit qu’elle avait réfléchi posément sur la question, et
qu’elle ne pouvait trouver dans Breckinridge aucun sujet de blâme. Donc,
elle recula de nouveau la date, et Breckinridge se cassa l’autre jambe.
Ce fut un triste jour pour la pauvre fille, que celui où elle vit les
chirurgiens emporter avec respect le sac dont elle avait appris l’usage par des
expériences précédentes, et son cœur éprouva cruellement qu’en vérité
quelque chose de son fiancé avait encore disparu. Elle sentit que le champ de
ses affections diminuait chaque jour, mais encore une fois elle répondit
négativement aux instances de tous les siens, et renouvela son engagement.
Enfin, peu de jours avant le terme fixé pour le mariage, un nouveau
malheur arriva. Il n’y eut, dans toute l’année, qu’un seul homme scalpé par
les Indiens d’Owen River, cet homme fut Williamson Breckinridge
Caruthers, de New-Jersey. Il accourait chez sa fiancée, avec la joie dans le
cœur, quand il perdit sa chevelure pour toujours. Et dans cette heure
d’amertume, il maudit presque la chance ironique à laquelle il dut de sauver
sa vie.
A la fin, Aurélia est fort perplexe sur la conduite à tenir. Elle aime encore
son fiancé, m’écrit-elle,—ou, du moins, ce qu’il en reste,—de tout son cœur,
mais sa famille s’oppose de toutes ses forces au mariage; Breckinridge n’a
pas de fortune et est impropre à tout travail. Elle n’a pas d’autre part des
ressources suffisantes pour vivre à deux confortablement.—«Que dois-je
faire?» me demande-t-elle, dans cet embarras cruel.
 C’est une question délicate. C’est une question dont la réponse doit
décider pour la vie du sort d’une femme et de presque les deux tiers d’un
homme. Je pense que ce serait assumer une trop grave responsabilité que de
répondre par autre chose qu’une simple suggestion.
A combien reviendrait-il de reconstituer un Breckinridge complet? Si
Aurélia peut supporter la dépense, qu’elle achète à son amoureux mutilé des
jambes et des bras de bois, un œil de verre et une perruque, pour le rendre
présentable. Qu’elle lui accorde alors quatre-vingt-dix jours sans délai, et si,
dans cet intervalle, il ne se rompt pas le cou, qu’elle coure la chance de
l’épouser. Je ne crois pas que, faisant cela, elle s’expose à un bien grand
risque, de toute façon. Si votre fiancé, Aurélia, cède encore à la tentation
bizarre qu’il a de se casser quelque chose chaque fois qu’il en trouve
l’occasion, sa prochaine expérience lui sera sûrement fatale, et alors vous
serez tranquille, mariée ou non. Mariée, les jambes de bois et autres objets,
propriété du défunt, reviennent à sa veuve, et ainsi vous ne perdez rien, si ce
n’est le dernier morceau vivant d’un époux honnête et malheureux, qui
essaya sa vie durant de faire pour le mieux, mais qui eut sans cesse contre lui
ses extraordinaires instincts de destruction.—Tentez la chance, Maria, j’ai
longuement réfléchi sur ce sujet, et c’est le seul parti raisonnable.
Certainement Caruthers aurait sagement fait de commencer, à sa première
expérience, par se rompre le cou. Mais puisqu’il a choisi une autre méthode,
décidé à se prolonger le plus possible, je ne crois pas que nous puissions lui
faire un reproche d’avoir fait ce qui lui plaisait le plus. Nous devons tâcher
de tirer le meilleur parti des circonstances, sans avoir la moindre amertume
contre lui.